基于边缘注意力生成对抗网络的电力设备热成像超分辨率重建

红外光电技术帮助人类超越视觉障碍,直观的看到物体表面的温度分布状况,在电力系统的状态监测中有着越来越多的需求。但高分辨率热成像仪的研制材料与技术壁垒限制了电力系统在线监测的可视化应用。超分辨率重建在满足电力物联网需求的同时降低了成本。对于电力设备热成像超分辨率重建,该文构建了边缘注意力生成对抗网络(EAGAN),该网络在基于梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)的基础上,对残差网络模块进行改进,添加了边缘注意力机制,提高了网络的学习能力,并在上采样结构中添加了1×1的卷积层,提高了网络的表征能力。实验结果表明,边缘注意力生成对抗网络提高了网络的性能,在图像的整体以及图像边缘属性的恢复上,峰值信噪比以及结构相似性指标均有显著提高,主观视觉效果更为良好,并在图像处理领域中有着较高的普适性,具有较高的工程实用价值。     

基于压缩感知的电力设备红外图像盲超分辨率方法

电力设备红外图像采集过程中出现的分辨率降低和模糊现象是影响红外诊断准确性的重要因素。然而现有超分辨率方法一般假设模糊核已知,但当假设核偏离真实核时方法性能会显著降低。该文针对这一问题,提出一种压缩感知盲超分辨率改进方法。以图像退化模型为基础,结合图像在变换域内稀疏为先验知识,实现图像的超分辨率重建。在重建过程中通过红外图像亮度分量的极值分布先验信息促进模糊核的优化求解以及重建图像反卷积去模糊运算,将传统的非盲超分辨率方法改进为盲超分辨率方法。在提高模型准确性的同时,提升了重建图像细节纹理的质量。并对压缩感知基础模型进行改进变形,以此为基础设计了高效求解算法,最终实现高分辨率图像的高质量重建,从而更好地适应工程应用需求。实验结果表明该文提出的盲超分辨率方法与已有方法相比,其重建得到的红外图像结果无论在主观视觉还是客观评价指标上,均有着一定优势,能够更好地适应现场采集到的低分辨率红外图像超分辨率重建需求。     

基于VMD-MGRU的箱式变压器高压套管温度预测

为了提前预防箱式变压器高压套管过热和爆炸等事故发生,提高变压器运行的安全稳定性,提出一种基于变分模态分解与改进门控循环单元神经网络的变压器高压套管温度预测方法.首先,运用变分模态分解将箱式变压器高压套管温度分解为具有不同特征的子序列分量,减少不同趋势信息对预测精确度的影响;然后,提出改进门控循环单元神经网络MGRU,针...     

基于压缩感知的电力设备红外图像非盲自适应超分辨率方法

电力物联网建设过程中,红外传感技术应用越加广泛,然而受成本限制难以实现高精度红外传感器的大规模装设。因此文中提出了一种压缩感知自适应非盲超分辨率方法,以改善低成本红外传感器成像质量。该方法以压缩感知超分辨率模型为基础,结合图像去模糊先验信息,提出了压缩感知非盲超分辨率模型。并采用双先验二次估计的方式求解正则项惩罚参数,实现对约束项的自适应强度控制。求解过程中首先通过高斯先验对模糊图像进行初步反卷积重建,以阈值收缩的方式分离重建图像显著边缘,生成标签图像。之后根据图像内部像素点语义的不同,控制超拉普拉斯先验正则项强度,在提升重建图像清晰度的同时避免伪影振铃的产生。并针对所提模型设计了有效的求解算法。实验结果表明与现有经典非盲超分辨率方法相比,该方法重建得到的高分辨率红外图像无论在主观视觉还是客观评价指标上,均有着一定优势。且最终进行的红外图像识别对比实验,也证明了该方法重建的高分辨率红外图像能够更好地解决电力行业的实际问题。     

基于GNR先验的电力设备热成像超分辨率方法

电力设备红外图像在电力设备状态监测、故障识别等方面发挥着重要作用。针对红外图像应用时存在的分辨率低,清晰度不足的问题,本文提出一种基于图像梯度范数比（Gradient Norm-ratio, GNR）先验约束的压缩感知电力设备红外图像超分辨率方法。通过分析电力设备红外图像在不同采样比时重建图像高频信息的变化规律,将GNR先验引入传统压缩感知超分辨率模型中。并针对改进后的模型设计了有效的求解算法,通过半二次分裂方法引入辅助变量,对不同变量交替迭代求解,实现红外图像超分辨率重建。仿真实验结果验证了GNR先验信息的引入,有利于超分辨率算法取得更好的重建效果。与现有经典超分辨率方法相比,本文方法重建图像无论在主观视觉效果还是客观评价指标上都有了较好的提升。